Personalisasi Pengalaman Mahasiswa Dimulai dari Data

SEVIMA – Ada pertanyaan yang sering keliru saat kampus ingin memperbaiki mutu belajar: “Platform apa yang harus dibeli agar pembelajaran terasa modern?” Pertanyaan itu terasa masuk akal, tetapi belum menyentuh inti. Dalam konteks personalisasi pengalaman mahasiswa, pertanyaan yang lebih tepat adalah: data apa yang perlu dibaca kampus agar setiap mahasiswa mendapat jalur belajar yang sesuai dengan ritme, kebutuhan, dan tujuan belajarnya. Pendekatan ini makin relevan karena pendidikan tinggi Indonesia bergerak ke arah pembelajaran yang lebih fleksibel, lebih berpusat pada mahasiswa, dan lebih bertumpu pada mutu berbasis data.

Satu program studi dengan dua mahasiswa angkatan yang sama. Yang pertama tinggal dekat kampus, aktif organisasi, dan cepat beradaptasi dengan kelas berbasis proyek. Yang kedua bekerja paruh waktu, menempuh perjalanan panjang, dan baru benar-benar nyaman belajar ketika materi bisa diulang di malam hari. Keduanya menerima silabus yang sama, tenggat yang sama, dan cara bimbingan yang sama. Kampus lalu heran ketika hasil belajar, kehadiran, dan keterlibatan keduanya bergerak sangat berbeda. Di titik ini, tantangannya bukan pada niat belajar mahasiswa. Tantangannya ada pada sistem kampus yang masih memperlakukan semua mahasiswa dengan ukuran yang sama.

Badan Pusat Statistik dalam publikasi “Statistik Penunjang Pendidikan 2024” menunjukkan bahwa pengalaman belajar peserta didik dipengaruhi banyak faktor penunjang, mulai dari biaya pendidikan, bantuan pendidikan, sarana transportasi, kebiasaan membaca, hingga partisipasi dalam aktivitas lain. Data itu juga disajikan menurut provinsi, jenis kelamin, jenjang pendidikan, distribusi pengeluaran rumah tangga, dan klasifikasi desa. Artinya, dari awal kita sudah tahu bahwa mahasiswa datang ke kampus dengan konteks yang berbeda-beda. Kampus yang ingin memberi layanan akademik yang lebih tepat tidak bisa lagi hanya membaca data nilai di akhir semester. 

Konteks ini makin jelas ketika dilihat dari sisi konektivitas. Dalam artikel APJII berjudul “APJII Jumlah Pengguna Internet Indonesia Tembus 221 Juta Orang”, jumlah pengguna internet Indonesia pada 2024 mencapai 221.563.479 jiwa dengan tingkat penetrasi 79,5 persen. Angka ini memberi sinyal bahwa kanal digital sudah menjadi ruang hidup utama bagi mahasiswa. Namun, angka besar itu tidak otomatis berarti pengalaman digital setiap mahasiswa sama. Akses boleh luas, tetapi cara belajar, kualitas koneksi, waktu belajar, dan dukungan lingkungan tetap berbeda. Karena itu, digitalisasi kampus tidak cukup berhenti pada memindahkan materi ke layar. Kampus perlu membaca pola perilaku belajar yang lahir dari lingkungan digital tersebut. 

Apa itu personalisasi pengalaman mahasiswa?

Personalisasi pengalaman mahasiswa adalah kemampuan kampus menyesuaikan jalur belajar, dukungan akademik, layanan, dan intervensi berdasarkan data riil tentang kebutuhan mahasiswa, bukan berdasarkan asumsi umum. Bentuknya bisa berupa rekomendasi mata kuliah yang lebih relevan, model bimbingan yang berbeda, peringatan dini saat keterlibatan belajar menurun, sampai penyesuaian ritme pembelajaran untuk mahasiswa yang menempuh pola studi nonlinier.

Definisi ini selaras dengan arah kebijakan pembelajaran yang makin berpusat pada mahasiswa. Kementerian Pendidikan Tinggi, Sains, dan Teknologi menerbitkan “Panduan Implementasi Pembelajaran Berpusat Pada Mahasiswa” sebagai pedoman implementasi pembelajaran yang sesuai dengan SN Dikti dan sejalan dengan IKU 7 terkait kelas yang kolaboratif dan partisipatif. Dalam buku “Pembelajaran Transformatif di Perguruan Tinggi”, Kemdiktisaintek juga menegaskan bahwa pendidikan tinggi modern dituntut bergerak dari sekadar content based dan outcome based menuju impact based, dengan strategi seperti dialog reflektif, studi kasus, proyek sosial, dan service learning. Semua itu sulit berjalan baik bila kampus tidak memahami profil belajar mahasiswanya secara lebih rinci. 

Arah kebijakan nasional juga memberi ruang yang makin lebar untuk jalur belajar yang tidak seragam. Dikutip dari Majalah Jendela edisi November 2024 berjudul “Hak Belajar di Luar Program Studi Bentuk Mahasiswa Mandiri dan Disiplin”, mahasiswa diberi ruang untuk mengambil pembelajaran di luar program studi sampai tiga semester, termasuk lintas prodi dan di luar perguruan tinggi. Bila kampus sudah membuka ruang belajar yang lebih fleksibel, maka tata kelola data akademiknya juga harus ikut matang. Kalau tidak, fleksibilitas hanya akan terlihat indah di dokumen kebijakan, tetapi tidak terasa di pengalaman mahasiswa sehari-hari. 

Mengapa banyak kampus belum sampai ke sana?

Titik lemah paling sering bukan pada kekurangan data, melainkan pada data yang tersebar. Absensi ada di satu sistem. Aktivitas LMS ada di sistem lain. KRS, nilai, cuti, bimbingan akademik, bantuan keuangan, dan layanan kemahasiswaan berjalan sendiri-sendiri. Akibatnya, rapat pimpinan sering menghasilkan potret yang terlambat. Kampus baru sadar ada mahasiswa yang mulai tertinggal setelah nilainya turun, padahal gejalanya mungkin sudah terlihat jauh lebih awal melalui pola login, keterlambatan pengumpulan tugas, perubahan beban studi, atau intensitas konsultasi.

Temuan ini terasa dekat dengan hasil “2024 EDUCAUSE Analytics Landscape Study”. Laporan itu menunjukkan bahwa kampus-kampus banyak memakai analitik untuk fungsi operasional seperti admissions, enrollments, serta compliance terhadap akreditasi dan regulasi. Laporan yang sama juga mencatat mayoritas responden menilai analytics sudah menjadi prioritas strategis, tetapi tata kelolanya masih lemah. Dengan kata lain, minat terhadap data sudah tinggi, tetapi kemampuan mengubah data menjadi keputusan belajar yang tepat belum selalu menyusul. Ini pelajaran penting untuk perguruan tinggi di Indonesia: dashboard belum tentu berarti perubahan pengalaman mahasiswa. 

Karena itu, personalisasi tidak boleh dipahami sebagai proyek teknologi semata. Ia adalah keputusan akademik. Ia menyentuh kurikulum, peran dosen wali, layanan kemahasiswaan, sampai cara pimpinan membaca mutu. Dalam konteks regulasi, Peraturan Menteri Pendidikan Tinggi, Sains, dan Teknologi Nomor 39 Tahun 2025 tentang Penjaminan Mutu Pendidikan Tinggi yang berlaku sejak 2 September 2025 menegaskan kembali bahwa penjaminan mutu pendidikan tinggi bertumpu pada standar nasional, sistem penjaminan mutu, dan pangkalan data pendidikan. Arah ini menunjukkan bahwa data tidak lagi bisa diperlakukan hanya sebagai urusan pelaporan administratif. 

Tiga jenis data yang paling berguna untuk jalur belajar personal

Pertama, data perilaku belajar. Ini mencakup kehadiran, keterlambatan tugas, pola akses LMS, partisipasi diskusi, dan respons terhadap asesmen formatif. Data ini memberi tanda awal, bukan vonis.

Kedua, data lintasan akademik. Ini mencakup riwayat KRS, pengulangan mata kuliah, perubahan beban studi, hasil prasyarat, dan pilihan kegiatan di luar prodi. Data ini membantu kampus membaca apakah mahasiswa sedang bergerak ke jalur yang sehat atau justru mulai kehilangan arah.

Ketiga, data konteks dukungan. Ini mencakup bantuan pendidikan, kebutuhan layanan tertentu, pola konsultasi, dan sinyal nonakademik lain yang sah untuk dipakai dalam layanan. Di sinilah kampus harus cermat. Undang-Undang Nomor 27 Tahun 2022 tentang Pelindungan Data Pribadi menegaskan bahwa pemrosesan data pribadi membawa kewajiban yang jelas bagi pengendali dan prosesor data pribadi. Jadi, personalisasi bukan berarti mengumpulkan semua data tanpa batas. Kampus harus punya tujuan yang jelas, persetujuan yang tepat, serta pembatasan akses yang ketat. Compliance bukan privilege. Ia harus menjadi kebiasaan kerja. 

Framework 4 langkah yang bisa dimulai Senin pagi

1. Pilih satu titik retak yang paling sering muncul

Jangan mulai dari seluruh kampus. Mulailah dari satu ruang yang paling terasa, misalnya mahasiswa tahun pertama yang kehadirannya menurun, mata kuliah dasar dengan angka pengulangan tinggi, atau peserta MBKM yang kesulitan rekognisi hasil belajar. Fokus sempit membuat tim belajar lebih cepat.

2. Satukan tiga sinyal data, bukan tiga puluh

Untuk pilot awal, kampus cukup menggabungkan tiga sinyal yang paling berguna, misalnya kehadiran, aktivitas LMS, dan hasil asesmen awal. Tujuannya bukan membuat model yang rumit, tetapi membaca pola yang bisa ditindaklanjuti dosen wali dan prodi.

3. Tetapkan intervensi yang berbeda untuk kelompok yang berbeda

Mahasiswa dengan absensi turun mungkin tidak butuh teguran yang sama. Ada yang perlu pengingat sederhana. Ada yang perlu sesi bimbingan. Ada yang perlu penyesuaian ritme tugas. Ada juga yang perlu diarahkan ke layanan bantuan kampus. Personalisasi berarti respons kampus disesuaikan dengan kebutuhan, bukan dibuat seragam.

4. Tutup lingkaran evaluasi setiap dua minggu

Banyak pilot gagal karena data berhenti di presentasi. Buat ritme evaluasi pendek. Lihat apakah intervensi mengubah keterlibatan, pengumpulan tugas, atau hasil belajar. Jika tidak berubah, desainnya yang perlu disesuaikan, bukan mahasiswanya yang langsung dinilai tidak serius.

Pendekatan bertahap seperti ini sejalan dengan pesan World Economic Forum dalam laporan “Shaping the Future of Learning: The Role of AI in Education 4.0” bahwa teknologi dapat membantu personalisasi pengalaman belajar, tetapi penerapannya harus bertanggung jawab, memperhatikan privasi data, dan menjaga pemerataan akses. Jadi, siapa pun bisa mulai, asalkan mulai dari tujuan akademik yang jelas dan tata kelola yang rapi. 

Siapa memegang peran apa?

Rektor memegang arah dan prioritas. Jika pimpinan masih melihat data hanya sebagai bahan akreditasi, personalisasi akan berhenti di wacana. Wakil Rektor bidang akademik menerjemahkan arah itu ke kurikulum, standar intervensi, dan evaluasi mutu. Program studi membaca pola lintasan belajar. Dosen wali mengubah sinyal data menjadi percakapan yang manusiawi. Tim TIK memastikan integrasi berjalan end-to-end dan tanpa hambatan yang tidak perlu. Unit penjaminan mutu menjaga agar seluruh proses terukur, dapat diaudit, dan tetap etis. Kombinasi inilah yang membuat personalisasi menjadi sistem, bukan sekadar eksperimen dosen tertentu. 

Pada akhirnya, personalisasi pengalaman mahasiswa bukan proyek untuk membuat kampus terlihat modern. Ini cara kampus menunjukkan bahwa setiap mahasiswa dibaca sebagai individu yang sedang bertumbuh. Kampus tidak perlu menunggu semuanya sempurna. Satu prodi, tiga sinyal data, dan satu ritme evaluasi sudah cukup untuk memulai. Ketika data akademik, pembelajaran, dan layanan mahasiswa terhubung rapi, platform akademik terpadu seperti SiAkadCloud dapat menjadi akselerator agar personalisasi pengalaman mahasiswa berjalan lebih terukur, lebih manusiawi, dan benar-benar terasa dalam keseharian kampus.

Mengenal SEVIMA

SEVIMA merupakan perusahaan Edutech (education technology) yang telah berkomitmen sejak tahun 2004 dalam menyelesaikan kendala kerumitan administrasi akademik di pendidikan tinggi (Universitas, Sekolah Tinggi, Institut, Politeknik, Akademi, dll.) dengan 99% keberhasilan implementasi melalui SEVIMA Platform, segera jadwalkan konsultasi di: Kontak Kami